[논문 리뷰] Clinica: an open source software platform for reproducible clinical neuroscience studies

Alexandre Routier, Ninon Burgos외 22명|HAL (Le Centre pour la Communication Scientifique Directe)|2021. 07. 21.

Biomedical Text Mining and Ontologies인용 수 16

한 줄 요약

Clinica는 원시 데이터에 대해 BIDS를, 처리된 출력에 대해 CAPS를 사용하여 임상 신경과학 분야에서 다중 모odal 뇌 영상 데이터 처리를 표준화하고 자동화하는 오픈소스 소프트웨어 플랫폼입니다. 이 플랫폼은 T1-강조 MRI, 확산 MRI 및 PET에 대해 재현 가능하고 공유 가능하며 확장 가능한 파이프라인을 제공하며, 기존의 도구를 통합하고 통계 및 머신러닝 워크플로우를 지원합니다.

ABSTRACT

We present Clinica (www.clinica.run), an open-source software platform designed to make clinical neuroscience studies easier and more reproducible. Clinica aims for researchers to i) spend less time on data management and processing, ii) perform reproducible evaluations of their methods, and iii) easily share data and results within their institution and with external collaborators. The core of Clinica is a set of automatic pipelines for processing and analysis of multimodal neuroimaging data (currently, T1-weighted MRI, diffusion MRI and PET data), as well as tools for statistics, machine learning and deep learning. It relies on the brain imaging data structure (BIDS) for the organization of raw neuroimaging datasets and on established tools written by the community to build its pipelines. It also provides converters of public neuroimaging datasets to BIDS (currently ADNI, AIBL, OASIS and NIFD). Processed data include image-valued scalar fields (e.g. tissue probability maps), meshes, surface-based scalar fields (e.g. cortical thickness maps) or scalar outputs (e.g. regional averages). These data follow the ClinicA Processed Structure (CAPS) format which shares the same philosophy as BIDS. Consistent organization of raw and processed neuroimaging files facilitates the execution of single pipelines and of sequences of pipelines, as well as the integration of processed data into statistics or machine learning frameworks. The target audience of Clinica is neuroscientists or clinicians conducting clinical neuroscience studies involving multimodal imaging, and researchers developing advanced machine learning algorithms applied to neuroimaging data.

연구 동기 및 목표

• 다중 모달 뇌 영상 데이터를 포함한 임상 신경과학 연구에서의 재현성과 표준화 부족 문제를 해결합니다.
• 공통적인 처리 파이프라인을 자동화하여 연구자가 데이터 관리 및 사전처리에 소요하는 시간을 줄입니다.
• 기관 내부 및 외부 협력자들과의 간편한 원시 및 처리된 뇌 영상 데이터 공유를 가능하게 합니다.
• 표준화된 데이터 형식을 통해 처리된 데이터를 통계 및 머신러닝 프레임워크에 통합할 수 있도록 지원합니다.
• 커뮤니티 검증된 도구를 사용하여 연구자와 개발자가 신뢰할 수 있고 확장 가능하며 감사 가능한 뇌 영상 연구를 수행할 수 있도록 지원합니다.

제안 방법

• 원시 뇌 영상 데이터 세트를 일관되고 인간 및 기계가 읽을 수 있는 형식으로 정리하기 위해 뇌 영상 데이터 구조(BIDS)를 사용합니다.
• 처리된 뇌 영상 출력의 조직을 표준화하기 위해 ClinicA 처리 구조(CAPS)를 활용합니다. 이에는 이미지 값 필드, 메쉬, 표면 기반 지ap, 스칼라 값 등이 포함됩니다.
• 신뢰성과 재현 가능성을 확보하기 위해 기존의 커뮤니티 개발 도구(FSL, FreeSurfer, ANTs 등)를 사용하여 처리 파이프라인을 구축합니다.
• 공개 데이터셋(ADNI, AIBL, OASIS, NIFD)을 BIDS 호환 형식으로 변환할 수 있는 컨버터를 제공하여 Clinica에서 직접 사용할 수 있도록 합니다.
• 일괄 또는 순차적 파이프라인 실행을 위해 일관된 입력/출력 처리 방식을 갖춘 명령줄 인터페이스를 제공합니다.
• 표준화된 구조적 형식으로 처리된 데이터를 노출시켜 통계 및 머신러닝 프레임워크와의 통합을 가능하게 합니다.

실험 결과

연구 질문

• RQ1 표준화된 데이터 조직과 처리를 통해 임상 신경과학 연구의 재현성을 어떻게 향상시킬 수 있을까요?
• RQ2 뇌 영상 파이프라인의 자동화가 데이터 처리 과정에서 수동 작업과 인간 실수를 얼마나 줄일 수 있을까요?
• RQ3 통합된 데이터 형식(CAPS)이 다양한 뇌 영상 출력을 효과적으로 지원하고 후속 분석에 통합을 어떻게 단순화할 수 있을까요?
• RQ4 Clinica는 일관되고 확장 가능한 방식으로 다양한 공개 데이터셋에서 T1w, DWI, PET 등의 다중 모달 데이터를 어떻게 처리할 수 있을까요?
• RQ5 BIDS와 CAPS를 사용할 경우 뇌 영상 연구에서 협업, 데이터 공유, 방법론의 투명성에 어떤 영향을 미칠까요?

주요 결과

• Clinica는 커뮤니티 표준 도구를 사용하여 T1-강조 MRI, 확산 MRI 및 PET 데이터의 처리 파이프라인을 성공적으로 자동화하여 수동 간섭을 줄였습니다.
• BIDS와 CAPS를 통해 원시 및 처리된 데이터의 일관된 조직을 가능하게 하여 데이터의 재현성과 상호운용성은 크게 향상되었습니다.
• ADNI, AIBL, OASIS, NIFD와 같은 공개 데이터셋을 최소한의 노력으로 BIDS 형식으로 변환할 수 있어 표준화된 처리 워크플로우를 적용할 수 있게 되었습니다.
• 조직 확률 지도,皮질 두께 지도, 영역 평균 등의 처리 출력은 구조화되고 기계가 읽을 수 있는 형식(CAPS)으로 저장되어 후속 통계 및 머신러닝 분석을 용이하게 합니다.
• 기존의 뇌 영상 도구와의 통합을 통해 다양한 연구 환경 및 협업 설정에서 호환성과 재사용 가능성이 보장됩니다.
• 일관된 데이터 구조와 모듈화된 파이프라인 실행을 통해 원시 데이터 수신부터 통계 모델링에 이르기까지 종단 간 재현 가능한 워크플로우를 지원합니다.